CN111161162B - 一种红外图像细节层的处理方法及装置 - Google Patents

一种红外图像细节层的处理方法及装置 Download PDF

Info

Publication number
CN111161162B
CN111161162B CN201911237672.3A CN201911237672A CN111161162B CN 111161162 B CN111161162 B CN 111161162B CN 201911237672 A CN201911237672 A CN 201911237672A CN 111161162 B CN111161162 B CN 111161162B
Authority
CN
China
Prior art keywords
mask function
noise mask
original
detail layer
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911237672.3A
Other languages
English (en)
Other versions
CN111161162A (zh
Inventor
周波
梁琨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Ezhou Institute of Industrial Technology Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Ezhou Institute of Industrial Technology Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, Ezhou Institute of Industrial Technology Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201911237672.3A priority Critical patent/CN111161162B/zh
Publication of CN111161162A publication Critical patent/CN111161162A/zh
Application granted granted Critical
Publication of CN111161162B publication Critical patent/CN111161162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种红外图像细节层的处理方法及装置，其中，所述方法包括：获取原始红外图像；对所述原始红外图像进行引导滤波，获得原始细节层图像；根据所述原始红外图像，获取第一噪声掩膜函数；根据所述原始细节层图像，获取第二噪声掩膜函数；根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。本发明降低计算复杂度的同时实现了对细节层图像的细节放大和噪声抑制之间的相互平衡。

Description

一种红外图像细节层的处理方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种红外图像细节层的处理方法及装置。
背景技术
随着科学技术的飞速发展，红外热成像技术也取得了较大的进步。近年来为了获取更为精确的红外辐射强度和提高红外图像质量，ADC(Analog-to-Digital Converter,模/数转换器)的采样精度得到很大的提高，转换位数达到14位及以上，采样后的数字图像信号可以达到0～16383的动态范围，即所谓的高动态范围。高动态范围(High-DynamicRange，HDR)红外图像相比之前的红外图像，可以提供更多的细节纹理信息，通过对HDR红外图像中感兴趣的区域进行对比度和细节的提升，同时抑制甚至消除图像中其他不关心的区域和噪声，以提高图像的清晰度和人眼感观。
2005年，随着美国FLIR公司数字细节增强(Digital Detail Enhancement,DDE)技术的提出，基于滤波分层的红外图像增强方法成为国内外学者研究热点。其基本思想为对原始图像进行低通滤波以得到包含图像背景等低频信息的基本层图像和包含图像细节、纹理和噪声等高频信息的细节层图像，然后对其分别进行处理，最后融合得到最终输出图像。对于HDR红外图像，细节层的处理往往更加重要，而且由于细节层的噪声和微弱细节在空间域上很难区分开，所以细节层的处理相比于基本层来说也更有难度。早期的基于双边滤波分层的红外图像增强方法中采用Gamma变换(伽马变换)或双边滤波器的参数对细节层图像进行处理，然而Gamma变换并不适用于红外图像的分布特点且固定的Gamma值不能适用不同红外场景，且双边滤波器在边缘处存在梯度反转现象。2010年，引导滤波器的出现很好的解决了双边滤波器的梯度反转问题。引导滤波器是一种线性滤波器，操作简单且在各种图像处理方面都得到较好地运用(如：图像锐化、图像融合、图像去雾等)。当引导图为输入图像时，与双边滤波器一样，引导滤波器具有保边去噪特性，因而引导滤波器在图像细节增强方面有很好地运用。2014年N.Liu等人提出了基于引导滤波的红外图像细节增强算法(GuidedFilter and Digital Detail Enhancement,GF&DDE)并得到较好的增强效果，随后基于引导滤波分层的红外图像细节增强方法成为滤波分层方法的主流发展趋势。GF&DDE方法采用引导滤波器的核系数作为细节层的增益因子，但需要单独计算引导滤波器的核系数，计算较为复杂；2015年，F.Garcia在提出TDDE-LAGC算法的文章中首次将引导滤波器系数作为细节层的增益因子进行放大处理，从而不用增加运算量。但是考虑到直接利用引导滤波器系数会导致屏蔽噪声的同时削弱一些细节。同年他们提出的TDDE2-LAGC方法采用两个引导滤波器系数相乘作为细节层的噪声掩膜函数处理得到的细节层图像，处理结果较好地抑制了噪声，但同时也模糊了细节。
综上所述，目前针对红外图像的细节层处理的方法不仅计算复杂度高，而且难以实现细节放大和噪声抑制之间的相互平衡。
发明内容
鉴于上述问题，本发明提出了一种红外图像细节层的处理方法及装置，降低计算复杂度的同时实现了对细节层图像的细节放大和噪声抑制之间的相互平衡。
第一方面，本申请通过一实施例提供如下技术方案：
一种红外图像细节层的处理方法，所述方法包括：
获取原始红外图像；
对所述原始红外图像进行引导滤波，获得原始细节层图像；
根据所述原始红外图像，获取第一噪声掩膜函数；
根据所述原始细节层图像，获取第二噪声掩膜函数；
根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。
优选地，所述对所述原始红外图像进行引导滤波，获得原始细节层图像，包括：
对所述原始红外图像进行引导滤波，获得基本层图像；
计算所述原始红外图像与所述基本层图像之差，获得原始细节层图像。
优选地，所述根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数，包括：
根据所述第一噪声掩膜函数和所述第二噪声掩膜函数之和，获得第三噪声掩膜函数。
优选地，所述根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数，包括：
基于
Figure BDA0002305317650000031
获得所述第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure BDA0002305317650000032
所述第二噪声掩膜函数为
Figure BDA0002305317650000033
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值。
优选地，所述原始红外图像和所述原始细节层图像中像素的灰度级方差的计算窗口大小为3*3。
优选地，所述根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数，包括：
对所述第一噪声掩膜函数分配第一权重；
对所述第二噪声掩膜函数分配第二权重；其中，所述第一权重和所述第二权重之和为1；
根据分配所述第一权重的所述第一噪声掩膜函数和分配所述第二权重的所述第二噪声掩膜函数之和，获得所述第三噪声掩膜函数。
第二方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种红外图像细节层的处理装置，所述装置包括：
原始红外图像获取模块，用于获取原始红外图像；
原始细节层图像获取模块，用于对所述原始红外图像进行引导滤波，获得原始细节层图像；
第一噪声掩膜函数获取模块，用于根据所述原始红外图像，获取第一噪声掩膜函数；
第二噪声掩膜函数获取模块，用于根据所述原始细节层图像，获取第二噪声掩膜函数；
第三噪声掩膜函数获取模块，用于根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
细节层图像优化模块，用于根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。
优选地，所述第三噪声掩膜函数获取模块，还具体用于：
根据所述第一噪声掩膜函数和所述第二噪声掩膜函数之和，获得第三噪声掩膜函数。
优选地，所述第三噪声掩膜函数获取模块，还具体用于：
基于
Figure BDA0002305317650000041
获得所述第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure BDA0002305317650000042
所述第二噪声掩膜函数为
Figure BDA0002305317650000043
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值。
第三方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
本发明实施例中提供的一种红外图像细节层的处理方法及装置，其中所述方法通过获取原始红外图像；对原始红外图像进行引导滤波，获得原始细节层图像；根据原始红外图像，获取第一噪声掩膜函数；根据原始细节层图像，获取第二噪声掩膜函数；根据第一噪声掩膜函数和第二噪声掩膜函数，获得第三噪声掩膜函数；其中经过第一噪声掩膜函数和第二噪声掩膜函数综合获得第三噪声掩膜函数可以保证在对细节层图像进行处理时实现噪声抑制与细节放大之间的平衡。最终根据第三噪声掩膜函数对原始细节层图像进行处理，获得的优化细节层图像为较优的细节层图像。本发明实施例的方法降低计算复杂度的同时实现了对细节层图像的细节放大和噪声抑制之间的相互平衡。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明第一实施例提供的一种红外图像细节层的处理方法的方法流程图；
图2示出了本发明第一实施例中采用第一噪声掩膜函数处理得到的细节层图像的示意图；
图3示出了本发明第一实施例中采用第二噪声掩膜函数处理得到的细节层图像的示意图
图4示出了本发明第一实施例中采用第三噪声掩膜函数处理得到的优化细节层图像的示意图
图5示出了本发明第二实施例提供的一种红外图像细节层的处理装置的功能模块框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1，示出了本发明第一实施例提供的一种红外图像细节层的处理方法的方法流程图，所述方法包括：
步骤S10：获取原始红外图像；
步骤S20：对所述原始红外图像进行引导滤波，获得原始细节层图像；
步骤S30：根据所述原始红外图像，获取第一噪声掩膜函数；
步骤S40：根据所述原始细节层图像，获取第二噪声掩膜函数；
步骤S50：根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
步骤S60：根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。
在步骤S10中，若该方法应用于电子设备的底层、***或安装在该***的应用软件中，原始红外图像可以为电子设备拍摄的红外图像，也可以是用户从其他设备导入的红外图像。
步骤S20：对所述原始红外图像进行引导滤波，获得原始细节层图像。
在步骤S20中，具体包括：
步骤S21：对所述原始红外图像进行引导滤波，获得基本层图像；
步骤S22：计算所述原始红外图像与所述基本层图像之差，获得原始细节层图像。
具体而言，对原始红外图像进行引导滤波，滤波输出作为基本层图像，然后用原始红外图像减去基本层图像得到原始细节层图像。
步骤S30：根据所述原始红外图像，获取第一噪声掩膜函数。
步骤S40：根据所述原始细节层图像，获取第二噪声掩膜函数；
在步骤S30-S40中，实施的先后顺序不作限制。具体的获取方式为：第一噪声掩膜函数为
Figure BDA0002305317650000071
第二噪声掩膜函数为
Figure BDA0002305317650000072
σk1 2和σk2 2分别为原始红外图像和细节层图像中对应的像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值。
步骤S50：根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数。
在步骤S50中，本实施例提供两种具体的实施方式：
第一：
步骤S51a：根据所述第一噪声掩膜函数和所述第二噪声掩膜函数之和，获得第三噪声掩膜函数。
更具体的来说，可通过如下公式进行计算第三噪声掩膜函数：基于
Figure BDA0002305317650000073
获得第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure BDA0002305317650000074
所述第二噪声掩膜函数为
Figure BDA0002305317650000075
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中对应像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值。
在本实施例中为了更好的对原始细节层图像进行处理，需要将原始红外图像和原始细节层图像中像素的灰度级方差计算窗口大小控制为3*3。窗口大小控制为3*3主要是为了体现各像素点的空间局部像素分布特性，若窗口过大，计算方差时会引入更多的像素，不能很好地体现局部特性，同时还提高了计算量。
第二：
步骤S51b：对所述第一噪声掩膜函数分配第一权重；
步骤S52b：对所述第二噪声掩膜函数分配第二权重；其中，所述第一权重和所述第二权重之和为1；
步骤S53b：根据分配所述第一权重的所述第一噪声掩膜函数和分配所述第二权重的所述第二噪声掩膜函数之和，获得所述第三噪声掩膜函数。
具体的，在该种实施方式中第三噪声掩膜函数Mk可表示为：Mk＝w1*Mk1+w2*Mk2，其中，w1、w2分别为第一权重和第二权重，w1+w2＝1，通过对第一噪声掩膜函数和第二噪声掩膜函数进行权重分配，可对细节层的红外图像的处理进行更多微调，保证找到最优的平衡点。
步骤S60：根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。
在步骤S50中，具体可通过如下方式进行计算：
Idp(i,j)＝G*Mk*Id(i,j)；
其中，Idp(i,j)为最终获得的优化细节层图像，(i,j)为像素的横、纵坐标，G为手动选取的放大因子，Id(i,j)为第一步得到处理前的像素(i,j)的原始细节层图像。进一步的，在本实施例中原始红外图像的噪声掩膜函数Mk1中的惩罚项ε1与所用引导滤波器的对应参数ε相同，所述细节层图像的噪声掩膜函数Mk2中的惩罚项ε2取值为50～60，优选地为55，取值过大，会使图像过于平滑，削弱纹理和细节；取值过小，则会放大噪声，在本实施例的其他具体实施方式中还可根据不同场景图像进行手动调节修改。最终的细节层处理方法中手动选取的放大因子G取值可为2.3～2.7，优选的为2.5，保证了对细节层图像的处理效果达到较优，取值过大，会导致图像噪声也得到明显增强；取值过小，则无法有效增强图像中的微弱细节和纹理。
通过本实施例中的方法处理的细节层图像可以以不高的计算复杂度实现细节放大和噪声抑制之间的相互平衡，获得较优的细节层图像。为了使本实施例方法的效果更加显著，下面以一具体实例进行阐述。
1、采用对原始红外图像计算得到的第一噪声掩膜函数Mk1对细节层图像进行处理如下：
I1,dp(i,j)＝G*Mk1*Id(i,j)
其中，(i,j)为像素的横纵坐标，G为手动选取的放大因子，Id(i,j)为第一步得到处理前的细节层图像，I1,dp(i,j)为处理后的细节层图像，具体的Mk1中的惩罚项ε1与所用引导滤波器的对应参数ε相同，Mk2中的惩罚项ε2取值为55，放大因子G取值为2.5，本实例的后续说明依然采用上述取值，不再赘述。请参阅图2，可见原始红外图像的方差得到的第一噪声掩模函数Mk1抑制了均匀区域的噪声，同时对微弱细节和纹理进行了放大(见图2中的2、3号方框中示出的图像细节)，但也放大了过渡区域的噪声(见图2中1号方框中示出的图像细节)。
2、采用对原始细节层计算得到的第二噪声掩膜函数Mk2对细节层图像进行处理如下：
I2,dp(i,j)＝G*Mk2*Id(i,j)
其中，(i,j)为像素的横纵坐标，G为手动选取的放大因子，Id(i,j)为第一步得到处理前的细节层图像，I2,dp(i,j)为处理后的细节层图像。请参阅图3，可看出利用细节层图像的方差得到的第二噪声掩模函数Mk2可以有效的抑制过渡区域的噪声和均匀区域的噪声(见图3中1号方框中示出的图像细节)，但相比于前一种方法，该方法削弱了微弱细节和纹理(见图3中2、3号方框中示出的图像细节)。
3、采用本实施例中的红外图像细节层的处理方法中的第三噪声掩膜函数Mk对细节层图像进行处理如下：
Idp(i,j)＝G*Mk*Id(i,j)
其中，(i,j)为像素的横纵坐标，G为手动选取的放大因子，Id(i,j)为第一步得到处理前的细节层图像，Idp(i,j)为处理后的细节层图像(即优化细节层图像)。请参阅图4，可看出利用第三噪声掩模函数Mk可以有效的抑制过渡区域的噪声和均匀区域的噪声(见图4中1号方框中示出的图像细节)，同时，对微弱细节和纹理也进行了一定放大(见图4中的2、3号方框中示出的图像细节)，在低计算复杂度的情况下实现了噪声抑制和细节放大之间的平衡。
本实施例中提供的一种红外图像细节层的处理方法，所述方法包括：获取原始红外图像；对原始红外图像进行引导滤波，获得原始细节层图像；根据原始红外图像，获取第一噪声掩膜函数；根据原始细节层图像，获取第二噪声掩膜函数；根据第一噪声掩膜函数和第二噪声掩膜函数，获得第三噪声掩膜函数；其中经过第一噪声掩膜函数和第二噪声掩膜函数综合获得第三噪声掩膜函数可以保证在对细节层图像进行处理时实现噪声抑制与细节放大之间的平衡。最终根据第三噪声掩膜函数对原始细节层图像进行处理，获得的优化细节层图像为较优的细节层图像。本实施例方法降低计算复杂度的同时实现了对细节层图像的细节放大和噪声抑制之间的相互平衡。
第二实施例
请参阅图5，基于同一发明构思，本发明第二实施例提供了一种红外图像细节层的处理装置300。图5示出了本发明第二实施例提供的一种红外图像细节层的处理装置300的功能模块框图。
所述装置300包括：
原始红外图像获取模块301，用于获取原始红外图像；
原始细节层图像获取模块302，用于对所述原始红外图像进行引导滤波，获得原始细节层图像；
第一噪声掩膜函数获取模块303，用于根据所述原始红外图像，获取第一噪声掩膜函数；
第二噪声掩膜函数获取模块304，用于根据所述原始细节层图像，获取第二噪声掩膜函数；
第三噪声掩膜函数获取模块305，用于根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
细节层图像优化模块306，用于根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像。
作为一种可选的实施方式，所述原始细节层图像获取模块302，具体用于：
对所述原始红外图像进行引导滤波，获得基本层图像；
计算所述原始红外图像与所述基本层图像之差，获得原始细节层图像。
作为一种可选的实施方式，所述第三噪声掩膜函数获取模块305，还具体用于：
根据所述第一噪声掩膜函数和所述第二噪声掩膜函数之和，获得第三噪声掩膜函数。
作为一种可选的实施方式，所述第三噪声掩膜函数获取模块305，还具体用于：
基于
Figure BDA0002305317650000111
获得所述第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure BDA0002305317650000112
所述第二噪声掩膜函数为
Figure BDA0002305317650000113
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中3*3大小的窗口对应像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值。
需要说明的是，本发明实施例所提供的一种红外图像细节层的处理装置300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明提供的装置集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的网关、代理服务器、***中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (5)

1.一种红外图像细节层的处理方法，其特征在于，所述方法包括：
获取原始红外图像；
对所述原始红外图像进行引导滤波，获得原始细节层图像；
根据所述原始红外图像，获取第一噪声掩膜函数；
根据所述原始细节层图像，获取第二噪声掩膜函数；
根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像；
其中，所述根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数，包括：基于
Figure FDA0003750378860000011
获得所述第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure FDA0003750378860000012
所述第二噪声掩膜函数为
Figure FDA0003750378860000013
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值；或者，所述根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数，包括：对所述第一噪声掩膜函数分配第一权重；对所述第二噪声掩膜函数分配第二权重；其中，所述第一权重和所述第二权重之和为1；根据分配所述第一权重的所述第一噪声掩膜函数和分配所述第二权重的所述第二噪声掩膜函数之和，获得所述第三噪声掩膜函数。
2.根据权利要求1所述的方法，其特征在于，所述对所述原始红外图像进行引导滤波，获得原始细节层图像，包括：
对所述原始红外图像进行引导滤波，获得基本层图像；
计算所述原始红外图像与所述基本层图像之差，获得原始细节层图像。
3.根据权利要求1所述的方法，其特征在于，所述原始红外图像和所述原始细节层图像中像素的灰度级方差的计算窗口大小为3*3。
4.一种红外图像细节层的处理装置，其特征在于，所述装置包括：
原始红外图像获取模块，用于获取原始红外图像；
原始细节层图像获取模块，用于对所述原始红外图像进行引导滤波，获得原始细节层图像；
第一噪声掩膜函数获取模块，用于根据所述原始红外图像，获取第一噪声掩膜函数；
第二噪声掩膜函数获取模块，用于根据所述原始细节层图像，获取第二噪声掩膜函数；
第三噪声掩膜函数获取模块，用于根据所述第一噪声掩膜函数和所述第二噪声掩膜函数，获得第三噪声掩膜函数；
细节层图像优化模块，用于根据所述第三噪声掩膜函数对所述原始细节层图像进行处理，获得优化细节层图像；
第三噪声掩膜函数获取模块，具体用于基于
Figure FDA0003750378860000021
获得所述第三噪声掩膜函数；其中，Mk为所述第三噪声掩膜函数，所述第一噪声掩膜函数为
Figure FDA0003750378860000022
所述第二噪声掩膜函数为
Figure FDA0003750378860000023
σk1 2和σk2 2分别为所述原始红外图像和所述原始细节层图像中像素的灰度级方差，ε1和ε2分别为Mk1和Mk2的惩罚值；或者，具体用于对所述第一噪声掩膜函数分配第一权重；对所述第二噪声掩膜函数分配第二权重；其中，所述第一权重和所述第二权重之和为1；根据分配所述第一权重的所述第一噪声掩膜函数和分配所述第二权重的所述第二噪声掩膜函数之和，获得所述第三噪声掩膜函数。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3中任一项所述方法的步骤。
CN201911237672.3A 2019-12-06 2019-12-06 一种红外图像细节层的处理方法及装置 Active CN111161162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911237672.3A CN111161162B (zh) 2019-12-06 2019-12-06 一种红外图像细节层的处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911237672.3A CN111161162B (zh) 2019-12-06 2019-12-06 一种红外图像细节层的处理方法及装置

Publications (2)

Publication Number Publication Date
CN111161162A CN111161162A (zh) 2020-05-15
CN111161162B true CN111161162B (zh) 2022-10-14

Family

ID=70556413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911237672.3A Active CN111161162B (zh) 2019-12-06 2019-12-06 一种红外图像细节层的处理方法及装置

Country Status (1)

Country Link
CN (1) CN111161162B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220010264A (ko) * 2020-07-17 2022-01-25 에스케이하이닉스 주식회사 노이즈 제거 회로, 이미지 센싱 장치 및 그 동작방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787902A (zh) * 2016-03-22 2016-07-20 天津大学 利用分块排序检测噪声的图像降噪方法
CN107408296A (zh) * 2015-03-05 2017-11-28 Iee国际电子工程股份公司 用于高动态范围图像的实时噪声消除和图像增强的方法以及***
CN108470325A (zh) * 2018-02-08 2018-08-31 北京空间飞行器总体设计部 一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107408296A (zh) * 2015-03-05 2017-11-28 Iee国际电子工程股份公司 用于高动态范围图像的实时噪声消除和图像增强的方法以及***
CN105787902A (zh) * 2016-03-22 2016-07-20 天津大学 利用分块排序检测噪声的图像降噪方法
CN108470325A (zh) * 2018-02-08 2018-08-31 北京空间飞行器总体设计部 一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Noise Removal and Real-Time Detail Enhancement of High-Dynamic-Range Infrared Images with Time Consistency;Frederic Garcia et al.;《Conference International Conference on Quality Control by Artificial Vision》;20150630;1-10 *
基于滤波分层的红外图像细节增强算法研究;樊启明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190315;I135-101 *

Also Published As

Publication number Publication date
CN111161162A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
Al-Ameen et al. An innovative technique for contrast enhancement of computed tomography images using normalized gamma-corrected contrast-limited adaptive histogram equalization
CN107408296B (zh) 用于高动态范围图像的实时噪声消除和图像增强的方法以及***
Zhou et al. Retinex-based laplacian pyramid method for image defogging
Lee et al. Structure‐texture decomposition of images with interval gradient
CN109191387B (zh) 一种基于巴特沃斯滤波器的红外图像去噪方法
Shin et al. Efficient naturalness restoration for non‐uniform illumination images
CN108090886B (zh) 一种高动态范围红外图像的显示与细节增强方法
Lee et al. Noise reduction and adaptive contrast enhancement for local tone mapping
JP2007018379A (ja) 画像処理方法及び画像処理装置
Rahman et al. Structure revealing of low-light images using wavelet transform based on fractional-order denoising and multiscale decomposition
CN113808036B (zh) 基于Retinex模型的低照度图像增强与去噪方法
Nnolim Smoothing and enhancement algorithms for underwater images based on partial differential equations
CN111161162B (zh) 一种红外图像细节层的处理方法及装置
Qu et al. An improved algorithm of multi-exposure image fusion by detail enhancement
Xu et al. A novel variational model for detail-preserving low-illumination image enhancement
Hayat et al. Detailed and enhanced multi-exposure image fusion using recursive filter
Borah et al. A GPU-accelerated modified unsharp-masking method for high-frequency background-noise suppression
CN114202476A (zh) 一种红外图像增强方法、装置、设备及计算机可读介质
KR101877808B1 (ko) 다중 레이어 오버랩 블록 기반의 로컬 히스토그램 평활화를 이용한 영상 콘트라스트 향상 방법 및 장치
US11049226B1 (en) Median based frequency separation local area contrast enhancement
Xue et al. Underwater image enhancement algorithm based on color correction and contrast enhancement
CN114331939A (zh) 同态滤波的细节增强多曝光图像融合方法及可存储介质
Song et al. Contrast enhancement algorithm considering surrounding information by illumination image
CN109741274B (zh) 图像处理方法及装置
CN116051425B (zh) 一种红外图像处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant